CN111353872A - 一种基于金融表现值的授信处理的方法、装置和电子设备 - Google Patents
一种基于金融表现值的授信处理的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111353872A CN111353872A CN201911329812.XA CN201911329812A CN111353872A CN 111353872 A CN111353872 A CN 111353872A CN 201911329812 A CN201911329812 A CN 201911329812A CN 111353872 A CN111353872 A CN 111353872A
- Authority
- CN
- China
- Prior art keywords
- current user
- credit
- user
- rate
- period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 4
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims description 10
- 230000005526 G1 to G0 transition Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于金融表现值的授信处理的方法及装置,其中方法包括:获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值;基于所述历史用户信息,训练生成用户稳定期收益预测模型;获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据;将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值;分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案,首先评估不同授信额度对应的与金融表现值,反推来确定分配给当前用户的实际授信额度,有效提升收益利润。
Description
技术领域
本发明涉及计算机信息处理领域,具体而言,涉及一种基于金融表现值的授信处理的方法、装置、电子设备及计算机可读介质。
背景技术
用户授信额度的管理是贷款生命周期中风险控制以及实现增收的关键,现有技术中,对于贷中环节已授信用户,通常使用收入、负债的数据来判断用户授信额度,授信额度的不同,会影响用户风险表现,用户风险表现包括用户动支率等。具体地,若授信额度过低,则用户动支率和消费额也会随之降低,但是收益带来的利润也随之变小了。若授信额度过高,则用户动支率会相应增加,但坏账的概率也会随之增长。因此如何分配授信额度数据,能够收益利润最大化,是本领域技术人员亟待解决的一大技术问题。
发明内容
鉴于上述问题,提出了本说明书以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于金融表现值的授信处理的方法及装置。
本发明说明书公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
第一方面,本发明说明书提供一种基于金融表现值的授信处理的方法,包括:
获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值;
基于所述历史用户信息,训练生成用户稳定期收益预测模型;
获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据;
将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值;
分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案。
在本公开的一种示例性实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
根据所述授信额度,以及所述当前用户有效期内动支率、坏账概率和资金成本率,获得所述当前用户不同所述授信额度条件下有效期内金融表现值。
在本公开的一种示例性实施例中,所述当前用户的授信方案包括有效期信息;
若所述当前用户为通过授信审批,且处于等待提用额度的用户,则所述当前用户的有效期为所述额度提用的最低时限;
若所述当前用户包括在结清额度后流失的用户,则所述当前用户的有效期为所述平均存续期限。
在本公开的一种示例性实施例中,所述当前用户的授信方案包括实际授信额度;
所述分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案,包括:
根据所述当前用户的不同所述授信额度条件下有效期内金融表现值,确定金融表现值最高的授信额度为所述实际授信额度。
在本公开的一种示例性实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
获取所述当前用户有效期内的动支率、坏账概率和资金成本率;
根据所述当前用户有效期内的动支率、坏账概率和资金成本率,确定所述有效期内金融表现值。
在本公开的一种示例性实施例中,所述获取所述当前用户有效期内的动支率、坏账概率和资金成本率,包括:
将所述当前用户信息代入所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到当前用户有效期内的动支率、坏账概率和资金成本率。
在本公开的一种示例性实施例中,所述历史用户的有效期内金融表现值包括所述历史用户的有效期内的动支率、坏账率和资金成本率;
所述基于所述历史用户信息,训练生成用户稳定期收益预测模型,包括:
将所述历史用户信息作为训练样本,使用机器学习的方法构建所述有效期内的额度动支率拟合子模型、坏账概率子模型和资金成本率子模型;
依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型。
在本公开的一种示例性实施例中,所述依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型,包括:
根据所述历史用户的授信额度、以及所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到所述用户稳定期收益预测模型。
第二方面,本发明说明书提供一种基于金融表现值的授信处理的装置,包括:
历史用户信息模块,用于获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值;
预测模型模块,用于基于所述历史用户信息,训练生成用户稳定期收益预测模型;
当前用户信息模块,用于获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据;
金融表现值模块,将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值;
授信方案模块,用于分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案。
在本公开的一种示例性实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
根据所述授信额度,以及所述当前用户有效期内动支率、坏账概率和资金成本率,获得所述当前用户不同所述授信额度条件下有效期内金融表现值。
在本公开的一种示例性实施例中,所述当前用户的授信方案包括有效期信息;
若所述当前用户为通过授信审批,且处于等待提用额度的用户,则所述当前用户的有效期为所述额度提用的最低时限;
若所述当前用户包括在结清额度后流失的用户,则所述当前用户的有效期为所述平均存续期限。
在本公开的一种示例性实施例中,所述当前用户的授信方案包括实际授信额度;
所述分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案,包括:
根据所述当前用户的不同所述授信额度条件下有效期内金融表现值,确定金融表现值最高的授信额度为所述实际授信额度。
在本公开的一种示例性实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
获取所述当前用户有效期内的动支率、坏账概率和资金成本率;
根据所述当前用户有效期内的动支率、坏账概率和资金成本率,确定所述有效期内金融表现值。
在本公开的一种示例性实施例中,所述获取所述当前用户有效期内的动支率、坏账概率和资金成本率,包括:
将所述当前用户信息代入所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到当前用户有效期内的动支率、坏账概率和资金成本率。
在本公开的一种示例性实施例中,所述历史用户的有效期内金融表现值包括所述历史用户的有效期内的动支率、坏账率和资金成本率;
所述基于所述历史用户信息,训练生成用户稳定期收益预测模型,包括:
将所述历史用户信息作为训练样本,使用机器学习的方法构建所述有效期内的额度动支率拟合子模型、坏账概率子模型和资金成本率子模型;
依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型。
在本公开的一种示例性实施例中,所述依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型,包括:
根据所述历史用户的授信额度、以及所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到所述用户稳定期收益预测模型。
第三方面,本发明说明书提供一种服务器,包括处理器和存储器:所述存储器用于存储上述任一项所述方法的程序;所述处理器被配置为用于执行所述存储器中存储的程序实现上述任一项所述方法的步骤。
第四方面,本发明说明书实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项所述方法的步骤。
本发明通过将当前用户信息代入用户稳定期收益预测模型,得到当前用户在不同授信额度条件下有效期金融表现值,其中,金融表现值最好的授信额度为分配给当前用户的实际授信额度,该金融表现值是由当前用户有效期内动支率、坏账概率和资金成本决定的,因此首先评估不同授信额度对应的与金融表现值,反推来确定分配给当前用户的实际授信额度,有效提升收益利润。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚,下面将参照附图详细描述本发明的具体实施例。但需声明的是,下面描述的附图仅仅是本发明本发明示例性实施例的附图,对于本领域的技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他实施例的附图。
图1是根据一示例性实施例示出的一种基于金融表现值的授信处理的方法的流程图。
图2是根据另一示例性实施例示出的一种基于金融表现值的授信处理的装置的框图。
图3是根据一示例性实施例示出的一种服务器的框图。
图4是根据一示例性实施例示出的一种计算机可读介质的原理示意图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解,虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分,但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如,第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本发明提供了一种基于金融表现值的授信处理的方法,用于解决现有技术中因授信额度分配不好而影响收益的现状,为了解决上述问题,本发明的总体思路如下:
一种基于金融表现值的授信处理的方法,包括:
获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值;
基于所述历史用户信息,训练生成用户稳定期收益预测模型;
获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据;
将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值;
分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案。
本实施例的方法通过将当前用户信息代入用户稳定期收益预测模型,得到当前用户在不同授信额度条件下有效期金融表现值,其中,金融表现值最好的授信额度为分配给当前用户的实际授信额度,该金融表现值是由当前用户有效期内动支率、坏账概率和资金成本决定的,因此首先评估不同授信额度对应的与金融表现值,反推来确定分配给当前用户的实际授信额度,有效提升收益利润。
下面,通过几个具体的实施例对本发明的技术方案进行详细介绍和说明。
见图1,一种基于金融表现值的授信处理的方法,包括:
S101:获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值。
其中,所述历史用户的特征数据包括基础属性、社会关系、消费能力和行为特征等数据,基础属性包括年龄、性别、职业等。社会关系包括父母、朋友信息等。消费能力包括月收入、月消费等。行为特征包括经常购物等。所述有效期内金融表现值可为利润,包括有效期和在有效期内的金融表现值,该金融表现值指的是用户在有效期内,并在对应授信额度下的表现,包括动支率和坏账概率等。
这里获取历史用户信息,目的在于建立用户稳定期收益预测模型。
S102:基于所述历史用户信息,训练生成用户稳定期收益预测模型。
其中,用户稳定期收益预测模型是根据历史用户的特征数据、授信额度和有效期内金融表现值训练生成的。
在本说明书实施例中,所述历史用户的有效期内金融表现值包括所述历史用户的有效期内的动支率、坏账率和资金成本率;
所述基于所述历史用户信息,训练生成用户稳定期收益预测模型,包括:
将所述历史用户信息作为训练样本,使用机器学习的方法构建所述有效期内的额度动支率拟合子模型、坏账概率子模型和资金成本率子模型;
依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型。
在本说明书实施例中,所述依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型,包括:
根据所述历史用户的授信额度、以及所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到所述用户稳定期收益预测模型。
其中,首先确定有效期,然后确定有效期内的动支率、坏账率和资金成本率,最后根据授信额度,以及有效期内的动支率、坏账率和资金成本率,得到有效期内金融表现值。该有效期内的动支率、坏账率和资金成本率可根据有效期内的额度动支率拟合子模型、坏账概率子模型和资金成本率子模型得到,而根据授信额度、以及所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型构建用户稳定期收益预测模型,基于用户稳定期收益预测模型可输出有效期内金融表现值。基于如下公式,确定所述有效期内金融表现值:
T=x*β*(1-η)-x*θ;
其中,T为有效期内金融表现值;
x为授信额度;
β为有效期内的动支率;
η为有效期内的坏账率;
θ为有效期内的资金成本率。
这里生成用户稳定期收益预测模型,目的在于获得当前用户在不同授信额度条件下有效期内金融表现值。
S103:获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据。
这里获取当前用户信息,目的在于代入用户稳定期收益预测模型,得到当前用户在不同授信额度条件下有效期内金融表现值。
S104:将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值。
在本说明书实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
根据所述授信额度,以及所述当前用户有效期内动支率、坏账概率和资金成本率,获得所述当前用户不同所述授信额度条件下有效期内金融表现值。
在本说明书实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
获取所述当前用户有效期内的动支率、坏账概率和资金成本率;
根据所述当前用户有效期内的动支率、坏账概率和资金成本率,确定所述有效期内金融表现值。
在本说明书实施例中,所述获取所述当前用户有效期内的动支率、坏账概率和资金成本率,包括:
将所述当前用户信息代入所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到当前用户有效期内的动支率、坏账概率和资金成本率。
这里获得当前用户在不同授信额度条件下有效期内金融表现值,目的在于确定当前用户的授信方案。
S105:分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案。
其中,所述当前用户的授信方案包括有效期信息和实际授信额度,实际授信额度为金融表现值最高的授信额度。
在本说明书实施例中,所述当前用户的授信方案包括有效期信息;
若所述当前用户为通过授信审批,且处于等待提用额度的用户,则所述当前用户的有效期为所述额度提用的最低时限。具体地,用户授信后,至少三个月才能进入贷中体额环节,则有效期为三个月。
若所述当前用户包括在结清额度后流失的用户,则所述当前用户的有效期为所述平均存续期限。具体地,用户平均使用产品两年后流失,则有效期为两年。
在本说明书实施例中,所述当前用户的授信方案包括实际授信额度;
所述分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案,包括:
根据所述当前用户的不同所述授信额度条件下有效期内金融表现值,确定金融表现值最高的授信额度为所述实际授信额度。
其中,可根据所述当前用户的不同所述授信额度条件下有效期内金融表现值,绘制基于授信额度和有效期内金融表现值对应的曲线坐标图,在曲线坐标图中,X坐标为授信额度,Y坐标为有效期内金融表现值。根据该曲线坐标图,得到实际授信额度。
例如:
当授信额度为1000时,通过有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到有效期内的动支率为20%,有效期坏账概率为0.2%,有效期内资金成本率为8%,则授信额度为1000对应的有效期内金融表现值为:
T=1000*20%*(1-0.2%)-1000*8%=119.6
当授信额度为1200时,通过有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到有效期内的动支率为24%,有效期坏账概率为0.24%,有效期内资金成本率为9.25%,则授信额度为1200对应的有效期内金融表现值为:
T=1200*24%*(1-0.24%)-1200*9.25%=176.3
......
当授信额度为1600时,通过有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到有效期内的动支率为32%,有效期坏账概率为0.35%,有效期内资金成本率为16.17%,则授信额度为1200对应的有效期内金融表现值为:
T=1600*32%*(1-0.35%)-1600*16.17%=251.5
当授信额度为1700时,通过有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到有效期内的动支率为32%,有效期坏账概率为0.39%,有效期内资金成本率为18.6%,则授信额度为1200对应的有效期内金融表现值为:
T=1700*32%*(1-0.39%)-1700*18.6%=225.7
......
通过上述分析可知,当授信额度为1600时,其对应的有效期内金融表现值最大,即利润最高,因此当前用户的实际授信额度为1600。
上述方法,使得本发明达到了以下的技术效果:
通过将当前用户信息代入用户稳定期收益预测模型,得到当前用户在不同授信额度条件下有效期金融表现值,其中,金融表现值最好的授信额度为分配给当前用户的实际授信额度,该金融表现值是由当前用户有效期内动支率、坏账概率和资金成本决定的,因此首先评估不同授信额度对应的与金融表现值,反推来确定分配给当前用户的实际授信额度,有效提升收益利润。
本领域技术人员可以理解,实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,所述的计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的装置实施例,该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节,应视为对于上述方法实施例的补充;对于在本发明装置实施例中未披露的细节,可以参照上述方法实施例来实现。
如图2,一种基于金融表现值的授信处理的装置,包括:
历史用户信息模块201,用于获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值;
预测模型模块202,用于基于所述历史用户信息,训练生成用户稳定期收益预测模型;
当前用户信息模块203,用于获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据;
金融表现值模块204,将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值;
授信方案模块205,用于分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案。
在本说明书实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
根据所述授信额度,以及所述当前用户有效期内动支率、坏账概率和资金成本率,获得所述当前用户不同所述授信额度条件下有效期内金融表现值。
在本说明书实施例中,所述当前用户的授信方案包括有效期信息;
若所述当前用户为通过授信审批,且处于等待提用额度的用户,则所述当前用户的有效期为所述额度提用的最低时限;
若所述当前用户包括在结清额度后流失的用户,则所述当前用户的有效期为所述平均存续期限。
在本说明书实施例中,所述当前用户的授信方案包括实际授信额度;
所述分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案,包括:
根据所述当前用户的不同所述授信额度条件下有效期内金融表现值,确定金融表现值最高的授信额度为所述实际授信额度。
在本说明书实施例中,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
获取所述当前用户有效期内的动支率、坏账概率和资金成本率;
根据所述当前用户有效期内的动支率、坏账概率和资金成本率,确定所述有效期内金融表现值。
在本说明书实施例中,所述获取所述当前用户有效期内的动支率、坏账概率和资金成本率,包括:
将所述当前用户信息代入所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到当前用户有效期内的动支率、坏账概率和资金成本率。
在本说明书实施例中,所述历史用户的有效期内金融表现值包括所述历史用户的有效期内的动支率、坏账率和资金成本率;
所述基于所述历史用户信息,训练生成用户稳定期收益预测模型,包括:
将所述历史用户信息作为训练样本,使用机器学习的方法构建所述有效期内的额度动支率拟合子模型、坏账概率子模型和资金成本率子模型;
依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型。
在本说明书实施例中,所述依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型,包括:
根据所述历史用户的授信额度、以及所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到所述用户稳定期收益预测模型。
本领域技术人员可以理解,上述装置实施例中的各模块可以按照描述分布于装置中,也可以进行相应变化,分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图3是根据本发明的一种电子设备的示例性实施例的结构框图。下面参照图3来描述根据本发明该实施例的的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且,电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:通过将当前用户信息代入用户稳定期收益预测模型,得到当前用户在不同授信额度条件下有效期金融表现值,其中,金融表现值最好的授信额度为分配给当前用户的实际授信额度,该金融表现值是由当前用户有效期内动支率、坏账概率和资金成本决定的,因此首先评估不同授信额度对应的与金融表现值,反推来确定分配给当前用户的实际授信额度,有效提升收益利润。
图4是根据一示例性实施例示出的一种计算机可读介质的原理示意图。
所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于金融表现值的授信处理的方法,其特征在于,包括:
获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值;
基于所述历史用户信息,训练生成用户稳定期收益预测模型;
获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据;
将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值;
分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案。
2.根据权利要求1所述的方法,其特征在于,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
根据所述授信额度,以及所述当前用户有效期内动支率、坏账概率和资金成本率,获得所述当前用户不同所述授信额度条件下有效期内金融表现值。
3.根据权利要求1或2所述的方法,其特征在于,所述当前用户的授信方案包括有效期信息;
若所述当前用户为通过授信审批,且处于等待提用额度的用户,则所述当前用户的有效期为所述额度提用的最低时限;
若所述当前用户包括在结清额度后流失的用户,则所述当前用户的有效期为所述平均存续期限。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述当前用户的授信方案包括实际授信额度;
所述分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案,包括:
根据所述当前用户的不同所述授信额度条件下有效期内金融表现值,确定金融表现值最高的授信额度为所述实际授信额度。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值,包括:
获取所述当前用户有效期内的动支率、坏账概率和资金成本率;
根据所述当前用户有效期内的动支率、坏账概率和资金成本率,确定所述有效期内金融表现值。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述获取所述当前用户有效期内的动支率、坏账概率和资金成本率,包括:
将所述当前用户信息代入所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,得到当前用户有效期内的动支率、坏账概率和资金成本率。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述历史用户的有效期内金融表现值包括所述历史用户的有效期内的动支率、坏账率和资金成本率;
所述基于所述历史用户信息,训练生成用户稳定期收益预测模型,包括:
将所述历史用户信息作为训练样本,使用机器学习的方法构建所述有效期内的额度动支率拟合子模型、坏账概率子模型和资金成本率子模型;
依据所述有效期内的额度动支率拟合子模型,坏账概率子模型和资金成本率子模型,建立所述用户稳定期收益预测模型。
8.一种基于金融表现值的授信处理的装置,其特征在于,包括:
历史用户信息模块,用于获取历史用户信息,所述历史用户信息包括所述历史用户的特征数据、授信额度和有效期内金融表现值;
预测模型模块,用于基于所述历史用户信息,训练生成用户稳定期收益预测模型;
当前用户信息模块,用于获取当前用户信息,所述当前用户信息包括所述当前用户的特征数据;
金融表现值模块,将所述当前用户信息代入所述用户稳定期收益预测模型,获得所述当前用户不同所述授信额度条件下有效期内金融表现值;
授信方案模块,用于分析所述当前用户不同所述授信额度条件下有效期内金融表现值,确定所述当前用户的授信方案。
9.一种电子设备,其特征在于,该电子设备包括:
处理器;以及,
存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329812.XA CN111353872A (zh) | 2019-12-20 | 2019-12-20 | 一种基于金融表现值的授信处理的方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911329812.XA CN111353872A (zh) | 2019-12-20 | 2019-12-20 | 一种基于金融表现值的授信处理的方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111353872A true CN111353872A (zh) | 2020-06-30 |
Family
ID=71197953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911329812.XA Pending CN111353872A (zh) | 2019-12-20 | 2019-12-20 | 一种基于金融表现值的授信处理的方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353872A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508689A (zh) * | 2021-02-01 | 2021-03-16 | 四川新网银行股份有限公司 | 一种基于多维度实现决策评估的方法 |
CN112561686A (zh) * | 2020-12-16 | 2021-03-26 | 金网络(北京)电子商务有限公司 | 供应链企业授信额度评估方法及系统 |
CN113191875A (zh) * | 2021-04-30 | 2021-07-30 | 中国银行股份有限公司 | 新用户的授信方法及装置、电子设备、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670927A (zh) * | 2017-10-13 | 2019-04-23 | 腾讯科技(深圳)有限公司 | 信用额度的调整方法及其装置、设备、存储介质 |
CN109711981A (zh) * | 2018-12-28 | 2019-05-03 | 上海点融信息科技有限责任公司 | 基于人工智能确定授信额度的方法、装置及存储介质 |
CN109727125A (zh) * | 2019-01-25 | 2019-05-07 | 深圳乐信软件技术有限公司 | 借款金额预测方法、装置、服务器、存储介质 |
CN110060144A (zh) * | 2019-03-18 | 2019-07-26 | 平安科技(深圳)有限公司 | 额度模型训练方法、额度评估方法、装置、设备及介质 |
CN110335141A (zh) * | 2019-06-29 | 2019-10-15 | 北京淇瑀信息科技有限公司 | 一种基于多模型的授信额度确定方法、装置和电子设备 |
-
2019
- 2019-12-20 CN CN201911329812.XA patent/CN111353872A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670927A (zh) * | 2017-10-13 | 2019-04-23 | 腾讯科技(深圳)有限公司 | 信用额度的调整方法及其装置、设备、存储介质 |
CN109711981A (zh) * | 2018-12-28 | 2019-05-03 | 上海点融信息科技有限责任公司 | 基于人工智能确定授信额度的方法、装置及存储介质 |
CN109727125A (zh) * | 2019-01-25 | 2019-05-07 | 深圳乐信软件技术有限公司 | 借款金额预测方法、装置、服务器、存储介质 |
CN110060144A (zh) * | 2019-03-18 | 2019-07-26 | 平安科技(深圳)有限公司 | 额度模型训练方法、额度评估方法、装置、设备及介质 |
CN110335141A (zh) * | 2019-06-29 | 2019-10-15 | 北京淇瑀信息科技有限公司 | 一种基于多模型的授信额度确定方法、装置和电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561686A (zh) * | 2020-12-16 | 2021-03-26 | 金网络(北京)电子商务有限公司 | 供应链企业授信额度评估方法及系统 |
CN112508689A (zh) * | 2021-02-01 | 2021-03-16 | 四川新网银行股份有限公司 | 一种基于多维度实现决策评估的方法 |
CN113191875A (zh) * | 2021-04-30 | 2021-07-30 | 中国银行股份有限公司 | 新用户的授信方法及装置、电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110349009B (zh) | 一种多头借贷违约预测方法、装置和电子设备 | |
CN112270545A (zh) | 基于迁移样本筛选的金融风险预测方法、装置和电子设备 | |
CN112270547A (zh) | 基于特征构造的金融风险评估方法、装置和电子设备 | |
CN111353872A (zh) | 一种基于金融表现值的授信处理的方法、装置和电子设备 | |
CN110335140B (zh) | 基于社交关系预测贷款黑中介的方法、装置、电子设备 | |
CN112017042A (zh) | 基于tweedie分布的资源配额确定方法、装置和电子设备 | |
CN112016794A (zh) | 资源配额管理方法、装置和电子设备 | |
CN111598494A (zh) | 资源额度的调整方法、装置及电子设备 | |
CN110675250A (zh) | 一种基于用户营销评分的信贷额度管理的方法、装置和电子设备 | |
CN111598633A (zh) | 一种基于增量学习的在线广告投放方法、装置和电子设备 | |
CN111191894A (zh) | 基于用户分类进行资源需求处理的方法、装置和电子设备 | |
CN110689425A (zh) | 基于收益进行额度定价的方法、装置和电子设备 | |
CN112561681A (zh) | 确定潜在贷款企业的方法、装置、电子设备及存储介质 | |
CN111597343A (zh) | 一种基于app的智能化用户职业判断方法、装置和电子设备 | |
CN111582645A (zh) | 基于因子分解机的app风险评估方法、装置和电子设备 | |
CN112488865A (zh) | 基于金融时间节点的金融风险预测方法、装置和电子设备 | |
CN112508692A (zh) | 基于卷积神经网络的资源回收风险预测方法、装置和电子设备 | |
CN110555732B (zh) | 一种营销策略推送方法、装置及营销策略运营平台 | |
CN111626528A (zh) | 一种基于贝塞尔曲线的资源配额确定方法、装置和电子设备 | |
CN111582649A (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN113657724A (zh) | 基于多源异构数据的资源分配方法、装置和电子设备 | |
CN112288475A (zh) | 产品推荐方法、装置及电子设备 | |
CN113688202A (zh) | 情感极性分析方法、装置、电子设备以及计算机存储介质 | |
CN112015975B (zh) | 基于牛顿冷却定律的面向金融用户的信息推送方法及装置 | |
CN110717101A (zh) | 基于应用行为的用户分类方法、装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200630 |
|
RJ01 | Rejection of invention patent application after publication |